Medicina predictiva

1. UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE CIENCIAS BIOLÓGICAS
SAN NICOLÁS DE LOS GARZA,
NUEVO LEÓN, 20 DE MAYO DE
2016
María Fernanda Huerta Anguiano
MEDICINA PREDICTIVA
Genómica Funcional

2. HISTORIA
El moderno concepto de medicina predictiva empezó a desarrollarse a partir
del conocimiento del sistema de histocompatibilidad adquiriendo más fuerza
con los hallazgos de la medicina genómica.
Cuando se descubrió el sistema de histocompatibilidad, se vio que algunos
antígenos de este sistema se presentaban con más frecuencia en algunas
enfermedades.
Esto Indico la existencia de una predisposición constitucional condicionada
genéticamente para padecer determinados procesos patológicos. Esta fue
la base de la medicina predictiva.
Bellazi R. Et al 2008

3. HISTORIA
Dausset definio la medicina predictiva como "la
identificación de individuos sanos que tienen
predisposición a desarrollar una determinada
enfermedad".
identificación de individuos que no tienen
tal predisposición o que incluso se
encuentran protegidos por una especial
resistencia genética
El objetivo de la medicina predictiva es
identificar la susceptibilidad o la resistencia a
determinadas enfermedades en el individuo
sano
Vecchio E. Et al 2000

4. HISTORIA
• A partir del año 2001, fecha oficial en la que se completó el mapa del genoma humano, vienen
creciendo de manera exponencial los hallazgos de mutaciones específicas en los genes y su
correlación con enfermedades, síndromes clínicos, predisposiciones patológicas e incluso,
asociaciones con conductas sociales consideradas indeseables
 Esta tendencia en la medicina actual está
transformando los paradigmas conocidos y
tradicionales de la práctica médica y su
interpretación nosológica.
Bellazi R. Et al 2008

5. GENÓMICA FUNCIONAL Y MEDICINA PREDICTIVA
Conocimient
o de la
función de
los genes
Mapeo
genético.
Los
hábitos y
el medio
ambiente.
Alteración en
la activación
y
desactivación
de genes
Asociación
con las
enfermeda
des
Prevenció
n y
diagnóstic
o
Martínez Alcalá. (2015)
Biosalud. (2015)

6. MEDICINA PREDICTIVA
• Su objetivo consiste en evaluar los factores de riesgo de cada persona frente a la enfermedad,
y anticipar la respuesta al tratamiento con base en información genética.
• Factor de riesgo implica cualquier rasgo, exposición o característica de un individuo que
aumente su probabilidad de sufrir una enfermedad.
 La medicina predictiva (MP) esta siendo soportada
y promovida por la FDA, comisión europea y la
CDC.
La MP ha sido posible gracias a los logros en
genómica, proteómica, metabolómica y
bioinformática.

7. Genómica
• Analiza la estructura
y función DNA
• Identificación de
SNPs
(biomarcadores)
Proteómica
• Test
inmunoquímicos
• Micro secuenciación
de proteínas
• Microarrays de
proteínas
Metabolómica
• Estado funcional de
la célula
• Perfil metabólico
• Análisis
computacional
Bioinformática
• Análisis de
secuencias
• Bioinformática
estructural

8. APLICACIONES: TIPOS DE PRUEBAS
Pruebas antes de la
concepción: Realizada a los
padres para comprender
mejor el riesgo de
enfermedades en sus hijos.
Las pruebas prenatales: Se
utiliza para detectar
enfermedades y condiciones
en un feto o embrión antes
de que nazca.
Evaluación del recién nacido:
Para identificar trastornos
genéticos que pueden ser
tratados temprano en la vida.
Prueba de Riesgo
Predictivo: Para determinar
si un individuo está en riesgo
superior al promedio de
desarrollar una enfermedad
durante un período de
tiempo determinado
Las pruebas de diagnóstico:
Cuando se sospecha una
condición determinada en
base a las mutaciones del
sujeto y síntomas físicos.
Las pruebas de portador:
Se ofrece a las personas que
tienen trastorno genético en
su historia familiar o con
personas de grupos étnicos
con mayor riesgo de ciertas
enfermedades genéticas.

9. • El método implica el análisis de los
genomas de muchas personas diferentes y la
búsqueda de marcadores genéticos que se
pueden utilizar para predecir la presencia de una
enfermedad.
• Una vez que dichos marcadores genéticos
son identificados, se pueden utilizar para
entender cómo los genes contribuyen a la
enfermedad y desarrollar mejores estrategias de
prevención y tratamiento.
• Si un tipo de la variante (un alelo) es más
frecuente en las personas con la enfermedad, el
SNP se dice que está "asociado" con la
enfermedad.
Figura. Representación de un Estudio de Asociación del genoma Completo (GWAS)
Figura 4. Bioinformática como una valiosa herramienta para el procesamiento de valores de datos de gran tamaño en la investigación indicativo , el análisis de todo el genoma y los estudios de población a
gran escala ( a) . genotipado simultáneo de más de 500.000 - 1.000.000 SNPs ( b) . descubrimiento inicial estudiar con gran colección muestra del paciente y control ( c). El análisis estadístico ( gráfico de
probabilidad para la asociación con una determinada enfermedad ) y la replicación independiente de los mejores resultados .
ESTUDIO DE ASOCIACIÓN DEL GENOMA COMPLETO (GWAS)

10. • Los Biomarcadores son indicadores a nivel
molecular, bioquímico o celular que sirven de
señal sobre un estado fisiológico.
BIOMARCADORES EN LA MEDICINA PREDICTIVA
El Biomarcador ideal debe:
• permitir una detección temprana de la enfermedad
• Identificar pacientes candidatos a recibir tratamiento y
subgrupo que pueda responder a éstos.
• Monitorizar el tratamiento
• Evaluar la progresión/ regresión de la enfermedad

11. BIOMARCADORES
Actualmente contamos con varios tipos de marcadores:
- Cardiovasculares
- Tumorales
- Remodelación ósea
- Función muscular
- Daño cerebral
Existen muchos marcadores Tumorales
• Los biomarcadores mejor
validados son los relacionados al
cáncer y a la emfermedades
autoinmunes.

12. El cáncer de páncreas es un tumor a menudo mortal y
difícil de diagnosticar, desafortunadamente los
biomarcadores reportados para esta enfermedad como el
CA19-9, no son lo suficientemente sensibles, para detectar a
tiempo la enfermedad. Sin embargo recientes estudios
reportan algunos posibles biomarcadores candidatos
Tasa de sobrevivencia 1-3%
Las isoformas apoAII - ATQ/AT de la apolipoproteína
AII (apoAII) disminuyen de forma significativa en el
cáncer de páncreas y por lo tanto podrían servir
como biomarcadores plasmáticos para la detección
precoz de esta enfermedad
Desarrollan un ensayo ELISA con un nuevo
biomarcador para la detección del cáncer de
páncreas

13. MINERÍA GENÓMICA
• La minería genómica hace referencia al
uso de técnicas bioinformáticas y la
minería de datos en los análisis
genómicos.
• El rápido y continuo crecimiento de datos
disponibles ha creado la necesidad de
extraer el conocimiento desde las bases
de datos. (Minería de datos)
Uno de los principales campos de aplicación de
la Minería de Datos junto con la bioinformática,
a día de hoy, es la Genética.
Consisten en poner objetos en grupos, de
tal forma que se maximice la similitud dentro
de los grupos y se minimice la similitud
entre dos grupos diferentes.

14. APLICACIÓN MINERÍA GENÓMICA
En cáncer de Mama:
The MammaPrint test
Analiza 70 genes de una muestra de tejido de cáncer de
mama en estadio temprano para determinar si el cáncer
presenta un bajo o alto riesgo de recurrencia en el transcurso
de los diez años posteriores al diagnóstico.
En Microarreglos: 25 mil genes, 5000 genes
fueron diferencialmente expresados a partir de
98 muestras de cáncer de mama primario.
Se pudieron agrupar 62 y 36 genes de
tumores en “buen pronóstico” y “mal
pronóstico” respectivamente, continuaron
realizando otros análisis.

15. HERRAMIENTAS PARA EL ANÁLISIS DE SECUENCIAS EN
MEDICINA GENÓMICA
• La secuenciación exómica: El exoma es la parte del genoma formado por los exones. Es la
parte funcional más importante del genoma y la que contribuye en mayor medida al fenotipo final
de un organismo.
• Librería del genoma completo.
• Se capturan exones con sondas especificas y se secuencian
• Las secuencias se vuelven a mapear sobre el mapa del genoma de referencia
• Se aprecian cambios (mutaciones) existentes.
• Identifica no solo los SNPs asociados a la enfermedad, sino también las propias
mutaciones causantes o directamente asociadas a ella.
• La secuenciación del genoma
completo es práctica y útil, sin
embargo sus costes siguen siendo
elevados.

16. APLICABILIDAD CLÍNICA DE LOS MICROARRAYS
Retraso Mental y síndromes asociados al mismo
Los arrays-CGH constituyen una metodología más sensible que el cariotipo convencional, para la
detección de duplicaciones o deleciones cromosómicas, puesto que la resolución de estos
microarrays es muy superior a la del cariotipo.
• El uso de estos arrays-CGH está cada vez más extendido y actualmente existen microarrays
diseñados para detección de alteraciones cromosómicas asociadas con retraso mental o
malformaciones congénitas y para el diagnóstico prenatal de síndromes asociados con
ganancias o pérdidas de material genético.

17. FIRMAS GENÓMICAS
Mediante el uso de microarrays se han desarrollado una serie de firmas genómicas
1. firmas pronósticas (predecir enfermedad)
2. firmas predictivas (Respuesta de trat.)
3. firmas diagnósticas.
MammaPrint® (Agendia) fue la 1ra en
ser aprobada por la FDA, 2007,
Oncotype Dx (Genomic Health);
diseñada para estimar si un paciente de
cáncer de mama requiere o no ser
tratado con quimioterapia.
PAM 50 (ARUP laboratorios).
Identifican los distintos subtipos
genómicos (de cáncer de mama), a
saber; Luminal A, Luminal B, Her2
enriched y Basal-like. Esta firma es de
gran utilidad ya que es sabido, que los
distintos subtipos tienen características
propias y difieren en el pronóstico,

19. TÉCNICAS COMPUTACIONALES USADAS EN MEDICINA
• El paradigma de la medicina predictiva se implementa en un sistema de software desarrollado
para la Planificación de Simulación Médica-Based. Este sistema proporciona un conjunto
integrado de herramientas para probar hipótesis sobre el efecto de los planes de tratamiento
alternativos en el flujo de sangre en el sistema cardiovascular de un paciente individual.
 Esta tendencia en la medicina actual está
transformando los paradigmas conocidos y
tradicionales de la práctica médica y su
interpretación nosológica.

20. MEDICINA PREDICTIVA EN EL CÁNCER DE MAMA
Pruebas para las mutaciones BRCA1 y BRCA2
La expectativa ha sido muy grande por el impacto epidemiológico que
tiene. No obstante, la relación entre estas mutaciones y la aparición de
la enfermedad es muy variable y oscila entre 26% y 85%
Reducción del riego a contraer Cáncer de mama
Una investigación reciente realizada en Canadá ha concluido que hay
una reducción hasta el 60% del riesgo de cáncer de mama en
portadoras de mutaciones del gen BRCA1 que han amamantado por
más de 12 meses
Charles A. et al 2012

21. • Se inició como plan estratégico en 2005
• Centro de investigación
• Programas educativos
• Crean perfiles predictivos (Bioinformática,
Genómica funcional, Bioestadìstica)
• Vanguardista
http://predictivehealth.emory.edu/index.html
• Desarrollan modelos predictivos (Nivel: Ind/pob)
• Cuantifican la prevalencia e incidencia de la enfermedad
• Servicio de Banco de muestras.
• Desarrollo de Biomarcadores->Plataformas (Genómica,
transcriptómica, proteómica y metabolómica)
https://www.dcri.org/our-services/biostatistics/center-for-predictive-medicine

22. MEDICINA PREDICTIVA
 Genomi-k es una empresa
mexicana fundada en el
2007 especializada en
programas de tamizaje e
intervención temprana
 Ofrecen programas de
tamiz metabolico ampliado,
auditivo neonatal y
cardiopatías congenicas
críticas e intervención
temprana.

23. BENEFICIOS DE LA MEDICINA PREDICTIVA
El futuro de enfoque de medicamento puede potencialmente pasar de tratamiento de
enfermedades existentes, típicamente al final de su progresión, a la prevención de la enfermedad
antes de que se establece en la salud predictivo y la medicina predictiva se basa en
probabilidades:
A diferencia de muchas de las intervenciones preventivas que se dirigen a grupos
(por ejemplo, programas de inmunización), la medicina predictiva se lleva a cabo de
forma individualizada.
Algunas formas de cáncer y enfermedades del corazón se heredan como
una sola enfermedades genéticas y algunas personas en estas familias
de alto riesgo también pueden beneficiarse del acceso a las pruebas
genéticas.
Charles A. Et al 2012

24. CONCLUSIONES
 En definitiva, la medicina predictiva debe ser la posibilidad de aumentar la calidad de vida y de
disminuir sufrimientos y de curar, cuando sea posible.
 La medicina predictiva abre una nueva área de oportunidades para diferentes campos de la ciencia
como la genética la cual se considera la base para la medicina predictiva, con eso se busca un
tratamiento mas preventivo y personalizado mejorando de una manera eficaz disminuir el riego de
contraer una enfermedad benigna.
 Se requiere del conocimiento que brinda la Genómica Funcional para evaluar las enfermedades en
base a las funciones de los genes y realizar un análisis predictivo apoyándose también en la
transcriptómica, proteómica y metabolómica.
 La medicina predictiva puede en un futuro generar discriminación, sobre todo laboral. Los genes no son
todo en la vida, el hecho de poseerlo no determina que en un futuro padezcamos esa patología, todo
fenómeno a pesar de los resultados genéticos es multifactorial.

25. BIBLIOGRAFÍA
 Groen Peter. (2012). Predictive Medicine & Health IT Systems. En Open Health News recuperado de:
http://www.openhealthnews.com/articles/2012/predictive-medicine-health-it-systems
 Biosalud. (2015) Consultado el 21/05/2016. Dispoinible en: http://biosalud.org/tratamientos-biomedicina/medicina-
predictiva-y-genomica/
 Martínez Alcalá. (2015) Bioética y Medicina genómica. Rev Esp Méd Quir ;20:343-347 Disponible en:
http://www.medigraphic.com/pdfs/quirurgicas/rmq-2015/rmq154d.pdf
 https://www.dcri.org/our-services/biostatistics/center-for-predictive-medicine
 http://predictivehealth.emory.edu/index.html
 Taylor, C. A., Draney, M. T., Ku, J. P., Parker, D., Steele, B. N., Wang, K., & Zarins, C. K. (1999). Predictive medicine:
computational techniques in therapeutic decision-making. Computer aided surgery, 4(5), 231-247.
 http://www.facmed.unam.mx/sms/seam2k1/ultimos/04_ponencia.htm
 Bellazzi, R., & Zupan, B. (2008). Predictive data mining in clinical medicine: current issues and guidelines. International
journal of medical informatics,77(2), 81-97.
 Vecchio, T. J. (2000). Predictive value of a single diagnostic test in unselected populations. New England Journal of
Medicine, 274(21), 1171-1173.